陈忠云 张达敏 辛梓芸

(贵州大学大数据与信息工程学院 贵州 贵阳 550025)

0 引 言

近年来，元启发式算法作为一种有效的演化计算技术，已受到众多学者的重视。元启发式算法是指受到生物行为和物理现象的启发提出的一类算法，其核心思想是实现搜索过程中随机性行为和局部搜索的平衡。常用的元启发式算法包括粒子群优化算法(Particle Swarm Optimization,PSO)[1]、正弦余弦算法(Sine Cosine Algorithm,SCA)[2]等。在解决众多多模态、离散和非差异的现实寻优问题中，元启发式算法呈现了优良的可操作性以及寻优能力，并成功应用于各种科学领域，如过程控制、生物医学信号处理、图像处理以及许多其他工程设计问题。

樽海鞘群算法 (Salp Swarm Algorithm,SSA)是2017年由Mirjalili等[3]提出的一种新型群智能算法，具有结构简单、参数少、容易实现等优势，但仍存在求解精度低和收敛速度慢等缺陷。文献[4]将樽海鞘群算法中跟随者单步位置更新方式改为两步，分别根据自适应平局移动策略和领域最优引领策略进行更新，再引入方向学习策略以一定概率对个体位置进行扰动，提高种群多样性，使算法跳出局部最优。文献[5]提出固定惯性权重，可以加快搜索过程中的收敛速度，并应用于特征选择问题。文献[6]结合樽海鞘群算法和混沌理论提出混沌樽海鞘群算法，在解决特征提取问题时，能发现最优特征子集，最大限度地提高分类精度，最小化所选特征的数目。文献[7]提出基于樽海鞘群算法的无缘时差定位，利用SSA解决TDOA定位结算问题，验证算法在多站时差定位问题上的有效性与优越性。……